EKSTRAKSI CIRI DAN IDENTIFIKASI SINYAL SUARA JANTUNG S1 DAN S2 PHONOCARDIOGRAM (PCG) MENGGUNAKAN METODE CONTINUOUS WAVELET TRANSFORM TUGAS AKHIR Program Studi S1 Sistem Komputer Oleh : FITRIYA NINGSIH 13.41020.0090 FAKULTAS TEKNOLOGI DAN INFORMATIKA INSTITUT BISNIS DAN INFORMATIKA STIKOM SURABAYA 2018
65
Embed
EKSTRAKSI CIRI DAN IDENTIFIKASI SINYAL SUARA …sir.stikom.edu/2820/1/13410200090-2018-COMPLETE.pdfNama : Fitriya Ningsih NIM : 13.41020.0090 Program : S1 (Strata Satu) Jurusan ...
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
EKSTRAKSI CIRI DAN IDENTIFIKASI SINYAL SUARA
JANTUNG S1 DAN S2 PHONOCARDIOGRAM (PCG)
MENGGUNAKAN METODE CONTINUOUS WAVELET
TRANSFORM
TUGAS AKHIR
Program Studi
S1 Sistem Komputer
Oleh :
FITRIYA NINGSIH
13.41020.0090
FAKULTAS TEKNOLOGI DAN INFORMATIKA
INSTITUT BISNIS DAN INFORMATIKA STIKOM SURABAYA
2018
ii
EKSTRAKSI CIRI DAN IDENTIFIKASI SINYAL SUARA
JANTUNG S1 DAN S2 PHONOCARDIOGRAM (PCG)
MENGGUNAKAN METODE CONTINUOUS WAVELET
TRANSFORM
TUGAS AKHIR
Diajukan sebagai salah satu syarat untuk menyelesaikan
Program Sarjana Komputer
Disusun Oleh :
Nama : Fitriya Ningsih
NIM : 13.41020.0090
Program : S1 (Strata Satu)
Jurusan : Sistem Komputer
FAKULTAS TEKNOLOGI DAN INFORMATIKA
INSTITUT BISNIS DAN INFORMATIKA STIKOM SURABAYA
2018
iii
“Ilmu tidak akan didapatkan kecuali dengan kita meluangkan waktu.”
iv
Alhamdulillah rasa syukur yang tiada terhingga kepada Allah dan Rasul-Nya, yang telah memberikan kemudahan dalam menyelesaikan Tugas Akhir ini dengan
baik. Memudahkan segala urusan sehingga bisa menjadi seorang Sarjana.
Tugas Akhir ini saya persembahkan untuk kedua orang tua saya, Mama dan Papa yang tidak pernah bosan berdo’a, memberi semangat, nasihat dan memotivasi
saya dalam menyelesaikan Pendidikan menjadi seorang Sarjana
Kakak dan kedua adik saya yang selalu menghibur dan selalu membuat saya untuk lebih bersemangat lagi menyelesaikan Pendidikan ini.
Teman – teman yang selalu membantu dan mejadi bagian dari saksi perjalanan saya menjadi seorang Sarjana
v
vi
vii
ABSTRAKSI
Penyakit jantung salah satu penyakit yang mengancam kesehatan manusia.
Penyakit penyebab kematian di kalangan masyarakat adalah jantung koroner.
Penyakit jantung menempati posisi puncak, bahkan di negara Indonesia sendiri.
Penyakit jantung dapat dideteksi semenjak dini melalui analisis frekuensi untuk
menghindari kejadian yang tidak diinginkan, dengan memperhatikan komponen-
komponen penyusun utamanya, yaitu S1(suara jantung pertama), S2(suara jantung
kedua), dan murmur pada siklus suara jantung. Untuk mengantisipasi hal diatas
dapat diambil tindakan dengan cara mendiagnosis kelainan jantung menggunakan
pengolahan sinyal suara jantung. Penelitian tersebut menggunakan metode
Continuous Wavelet Transform, yaitu mengekstraksi ciri dan mengidentifikasikan
sinyal suara jantung S1 dan S2. Dari hasil percobaan yang dilakukan pada interval
rata-rata S1 dan S2 dengan selang waktu cuplik jantung dalam keadaan normal
8kHz, 44.1kHz dan 48kHz selama 0.26s, interval rata – rata S2 ke S1 selama 0.53s,
interval rata – rata S1 ke S1 selama 0.83s dan interval rata – rata S2 ke S2 selama
0.83s.
Kata Kunci: Continuous Wavelet Transform, Phonocardiogram, Time –
Frequency, S1 dan S2
viii
KATA PENGANTAR
Pertama-tama penulis panjatkan puji dan syukur kepada Tuhan Yang
Maha Esa karena berkat, rahmat, dan karuniaNyalah penulis dapat menyelesaikan
penulisan Tugas Akhir ini dengan sebaik-baiknya. Penulis mengambil judul
“Ekstraksi Ciri Dan Identifikasi Sinyal Suara Jantung S1 Dan S2 Phonocardiogram
(PCG) Menggunakan Metode Continuous Wavelet Transform” ini sebagai salah
satu syarat dalam menyelesaikan Tugas Akhir di Institut Bisnis dan Informatika
Stikom Surabaya
Pada kesempatan kali ini penulis juga ingin mengucapkan terima kasih
kepada :
1. Allah SWT karena dengan rahmatnya dan hidayahnya penulis dapat
menyelesaikan Tugas Akhir ini.
2. Orang Tua dan Saudara-saudara saya tercinta yang telah memberikan
dorongan dan bantuan baik moral maupun materi sehingga penulis dapat
menempuh dan menyelesaikan Tugas Akhir maupun laporan ini.
3. Bapak Dr. Jusak, selaku Dekan Fakultas Teknologi dan Informatika Institut
Bisnis dan Informatika Stikom Surabaya dan dosen pembimbing pertama
yang telah membantu serta mendukung setiap kegiatan tugas akhir sehingga
pelaksanaan Tugas Akhir ini dapat berjalan dengan baik.
4. Ibu Ira Puspasari, S.Si., M.T., selaku dosen pembimbing kedua yang
senantiasa memberikan dukungan kepada penulis sehingga penulis dapat
melaksanakan Tugas Akhir ini dengan baik.
ix
5. Bapak Dr. Anjik Sukmaaji, S.Kom., M.Eng., selaku penguji yang telah
membimbing penulis yang memberi masukan dalam menyusun buku Tugas
Akhir dan membimbing selama menempuh perkuliahan di Institut Bisnis dan
Informatika Stikom Surabaya.
6. Seluruh dosen Pengajar Program Studi S1 Sistem Komputer yang telah
mendidik, memberi motivasi kepada penulis selama masa kuliah di Institut
Bisnis dan Informatika Stikom Surabaya.
7. Teman-teman angkatan 2013 maupun adik dan kakak angkatan Jurusan S1
Sistem Komputer yang mendukung dan membantu penulis selama masa dan
penyusunan buku Tugas Akhir ini.
8. Teman – teman seperjuangan menyelesaikan Tugas Akhir terutama Cewek
SK 2013 yaitu Inolin Nanda, Rizkyana Surya, Suci Febriani dan Cecilia Sari.
Yang telah menghibur dan memberi semangat yang luar biasa kepada
penulis.
9. Alan Kuncoro Raharjo, yang sudah mendoakan dan memberi semangat
kepada penulis hingga Tugas Akhir ini selesai.
10. Seluruh pihak yang tidak dapat penulis tuliskan satu persatu yang telah
membantu penulis secara langsung maupun tidak langsung.
Banyak hal dalam laporan Tugas Akhir ini yang masih perlu
diperbaiki lagi. Oleh karena itu penulis mengharapkan saran dan kritik yang
dapat membangun dari semua pihak agar dapat menyempurnakan penulisan
ini kedepannya. Penulis juga memohon maaf yang besar jika terdapat kata-
kata yang salah serta menyinggung perasaan pembaca. Akhir kata penulis
x
ucapkan banyak terima kasih yang besar kepada para pembaca, semoga
tulisan ini dapat bermanfaat bagi para pembaca.
Surabaya, Januari 2018
Penulis
xi
DAFTAR ISI
Halaman
HALAMANA JUDUL……………………………………………………………..i
HALAMAN SYARAT……………………………………………………………ii
HALAMAN MOTTO…………………………………………………………….iii
HALAMAN PERSEMBAHAN………………………………………………….iv
HALAMAN PENGESAHAN……………………………………………………..v
HALAMAN PERNYATAAN……………………………………………………vi
ABSTRAKSI ........................................................................................................ vii
KATA PENGANTAR ......................................................................................... viii
DAFTAR ISI .......................................................................................................... xi
DAFTAR GAMBAR ........................................................................................... xiv
DAFTAR TABEL ................................................................................................ xvi
BAB I PENDAHULUAN ....................................................................................... 1
1.1 Latar Belakang Masalah .................................................................... 1
1.2 Rumusan Masalah .............................................................................. 3
1.3 Batasan Masalah ................................................................................ 3
1.4 Tujuan ................................................................................................ 3
3. BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM
Pada bab ini akan dibahas tentang diagram blok rancangan penelitian, database
PCG signal, denoising, Continuous Wavelet Transform, meliputi flowchart
algoritma program untuk mengolah data agar didapatkan nilai energi
maksimum
4. BAB IV HASIL DAN PEMBAHASAN
Pada bab ini akan dibahas mengenai pengujian secara keseluruhan. Pengujian
yang dilakukan meliputi membaca file yang diambil dari data yang kemudian
ditampilkan dalam bentuk grafik, kemudian sinyal tersebut di denoising dan
pengolahan rumus wavelet dalam program untuk analisis time-frequency
5
penentuan koefisen maksimum dan energi maksimum pada skala dan waktu
tertentu.
5. BAB V KESIMPULAN DAN SARAN
Bab ini berisi kesimpulan yang didapat dari hasil penelitian berdasarkan
rumusan masalah serta saran untuk perkembangan penelitian selanjutnya.
6
BAB II
LANDASAN TEORI
2
2.1 Jantung
Jantung adalah sebuah organ berotot yang memiliki empat ruang yang
terletak di rongga dada di bawah perlindungan tulang iga sedikit sebelah kiri
sternum. Mekanisme kerjanya mirip dengan pompa untuk memberikan tekanan
pada pembuluh darah agar dapat senantia mengalir di dalam tubuh.
Jantung yang berfungsi sebagai pompa yang melakukan tekanan terhadap
darah sehingga darah dapat mengalir ke seluruh tubuh. Pembuluh darah berfungsi
sebagai saluran untuk mendistribusikan darah dari jantung ke semua bagian tubuh
dan mengembalikannya kembali ke jantung (Taylor, 2010). Jantung terdiri dari
bagian atas yang disebut serambi (atrium) dan bagian bawah yang disebut dengan
bilik (ventricle). Otot-otot jantung memompa darah dari satu ruangan ke ruangan
lainnya. Setiap kali terjadi proses pemompaan, katup jantung membuka sehingga
darah dapat mengalir ke ruangan yang dituju. Selanjutnya katup menutup untuk
mencegah aliran balik darah (Setiaji, 2011).
2.2 Suara Jantung
Jantung mempunyai empat buah katup yang bekerja secara bergantian
diantaranya katup Tricuspid, katup Mitral, katup Pulmonary dan katup Artic.
Membuka dan menutupnya katup jantung terjadi akibat perbedaan tekanan diruang-
ruang jantung sewaktu kontraksi dan relaksasi atrium dan ventrikel. Suara jantung
adalah sinyal audio frekuensi rendah yang terjadi karena membuka dan menutupnya
7
katup yang ada pada jantung. Suara jantung terbagi menjadi empat bagian yaitu
suara jantung pertama (S1) merupakan bunyi yang menyertai penutupan katup
atrioventricular yaitu katup mitral dan katup trikuspidal, Suara jantung kedua (S2)
terjadi karena penutupan katup seminular (yaitu katup aorta dan katub pulmonal)
secara tiba-tiba. Suara jantung ketiga merupakan bunyi ventrikel kiri dan terbaik
didengar di apeks jantung dan suara jantung ke empat merupakan suatu bunyi
dengan nada rendah, dengan frekuensi berkisar antara 50-70 Hz.
Dalam kondisi normal, pada dasarnya terdapat dua macam bunyi jantung,
yaitu S1 dan S2 seperti ditunjukkan Gambar 2.1.
Gambar 2.1 Bunyi Jantung Normal (Rizal, 2007)
2.3 Prinsip Kerja Jantung
Jantung bekerja melalui mekanisme secara berulang dan berlangsung terus-
menerus yang juga disebut sebuah siklus jantung sehingga secara visual terlihat atau
disebut sebagai denyut jantung. Sinyal suara jantung umumnya memiliki frekuensi
antara 20 – 200 Hz, Melalui mekanisme berselang-seling, jantung berkonstraksi
untuk mengosongkan isi jantung dan melakukan relaksasi guna pengisian darah.
Secara siklus, jantung melakukan sebuah periode sistol yaitu periode saat
berkontraksi dan mengosongkan isinya (darah), dan periode diastol yaitu periode
8
yang melakukan relaksasi dan pengisian darah pada jantung. Kedua serambi
(atrium) mengendur dan berkontraksi secara bersamaan, dan kedua bilik (ventrikel)
juga mengendur dan berkontraksi secara bersamaan pula untuk melakukan
mekanisme tersebut. (Maisyaroh, 2012).
Walaupun secara anatomik jantung adalah satu organ, sisi kanan dan kiri
jantung berfungsi sebagai dua pompa yang terpisah. Jantung terbagi atas separuh
kanan dan kiri serta memiliki empat ruang, bilik bagian atas dan bawah di kedua
belahannya. Bilik bagian atas (atrium) yang menerima darah yang kembali ke
jantung. dan memindahkannya ke bilik bawah (ventrikel) yang berfungsi memompa
darah dari jantung. Pembuluh yang mengembalikan darah dari jaringan ke atrium
disebut dengan vena, dan pembuluh yang mengangkut darah menjauhi ventrikel dan
menuju ke jaringan disebut dengan arteri. Kedua belahan jantung dipisahkan oleh
septum atau sekat, yaitu suatu partisi otot yang mencegah percampuran darah dari
kedua sisi jantung. Pemisahan ini sangat penting karena separuh jantung kanan
menerima dan memompa darah beroksigen rendah sedangkan sisi jantung sebelah
kiri memompa darah beroksigen tinggi (Taylor, 2010).
Gambar 2.2 Anatomi Jantung (Taylor, 2010)
9
2.4 Phonocardiogram (PCG)
Phonocardiogram (PCG) atau disebut stetoskop elektrik suatu alat yang
mampu mendengar suara jantung. Phonocardiogram adalah teknik dalam
penelusuran suara jantung dan pencatatan getaran akustik jantung melalui suatu
transduser mikrofon yang akan direkam dan ditampilkan pada osiloskop. Dengan
adanya hasil PCG dari pasien, ahli medis dapat mendengar kembali, menganilisis
dan mengolah data tersebut sesuai dengan kebutuhan.
Suara-suara ini mengindikasikan laju dan ritme jantung dalam memompa
darah. Suara ini juga memberikan informasi tentang efektifitas pemompaan jantung
dan aktifitas katup-katup jantung Suara jantung dapat digunakan lebih efisien
dengan dokter ketika mereka ditampilkan secara visual (Debbal, 2009). Dengan
adanya hasil PCG dari pasien, ahli medis dapat mendengar kembali, melihat
perekaman secara visual, serta dapat menganilisis dan mengolah data tersebut
sesuai dengan kebutuhan.
Dalam keadaan normal suara jantung menghasilkan dua suara yang
berbeda yang sering dinyatakan dengan lub-dub atau disebut suara jantung pertama
(S1) dan suara jantung kedua (S2). Suara lub atau suara jantung pertama (S1)
muncul akibat dua penyebab yaitu : penutupan katub atrioventrikular (katub mitral
dan trikuspidalis) dan kontraksi otot-otot jantung. Sedangkan suara dub atau suara
jantung kedua (S2) disebabkan dari penutupan katub semilunaris (katub aorta dan
pulmonal Suara jantung pertama memiliki waktu yang sedikit lebih lama
dibandingkan dengan suara jantung kedua (Nurlaili, 2011). Frekuensi S1 berkisar
antara (30 – 100 Hz) sedangkan frekuensi S2 berkisar antara (100 – 200 Hz)
(Debbal, 2014). Diantara suara jantung pertama dan suara jantung kedua terdapat
10
dua interval yaitu sistole dan diastole. Sistole adalah tekanan darah yang dialirkan
dari jantung ke arteri dan nadi, sedangkan diastole merupakan tekanan darah balik
dari arteri dan nadi ke jantung. Sistole ialah interval antara suara jantung S1 dan S2,
sedangkan diastole interval antara suara jantung S2 dan S1. Secara jelas dapat
dilihat pada Gambar 2.3
Gambar 2.3 Phonocardiogram Jantung (Debbal, 2009)
2.5 Denoising
Denoising adalah cara menghilangkan atau mereduksi sinyal noise sekecil
mungkin untuk mendapatkan visualisasi sinyal asli. Konsep yang digunakan dalam
men-denoise sinyal adalah menghilangkan atau men-threshold terhadap komponen
dari wavelet yang berfrekuensi tinggi atau yang disebut dengan koefisien detail.
Thresholding adalah salah satu metode pengurangan noise yang paling
sederhana dan menjadi dasar bagi beberapa metode pengurangan noise yang lain.
Untuk melakukan thresholding, terlebih dahulu ditetapkan sebuah nilai yang
dianggap sebagai batas atau threshold. Nilai threshold ini ditetapkan sedemikian
rupa supaya besarnya melebihi nilai-nilai fluktuasi yang kecil yang mewakili noise
pada sinyal yang dianalisis. Kemudian dilakukan operasi thresholding pada sinyal.
Ada 2 jenis thresholding yang diterapkan pada fungsi wavelet, yaitu hard
thresholding dan soft thresholding. Berikut ini adalah rumus Hard thresholding:
11
, | |0, | | (2.1)
Sedangkan soft threshoding dirumuskan:
, | |, | |0, | |
(2.2)
Pada hard thresholding, elemen – elemen yang memiliki nilai kurang dari
threshold (τ), secara otomatis akan diubah menjadi nol, dan pada soft threshold,
elemen – elemen yang memiliki nilai kurang dari threshold diubah perlahan menuju
nol.
2.6 Transformasi Wavelet
Sinyal suara jantung merupakan jenis sinyal non-stationer. Sinyal non-
stationer memiliki frekuensi yang bervariasi di dalam waktu sehingga untuk
menganalisisnya dibutuhkan metode transformasi yang dapat memberikan revolusi
frekuensi dan waktu secara bersamaan maka metode yang cocok adalah
Transformasi Wavelet dikarenakan Transformasi Wavelet merupakan anlisis multi
resolusi yang dapat mempresentasikan informasi suatu sinyal dalam kawasan waktu
dan frekuensi dengan baik.
2.7 Transformasi Wavelet Continuous (CWT)
Transformasi Wavelet Coninuous merupakan proses konvolusi sinyal x(t)
dengan sebuah fungsi window, fungsi window dapat berubah disetiap waktu dan
skala yang berubah-ubah. Fungsi window merupakan mother wavelet yang menjadi
fungsi dasar dari wavelet.
12
Transformasi Wavelet Continuous dikembangkan sebagai pendekatan
alternatif untuk waktu singkat untuk mengatasi masalah resolusi. Analisa wavelet
dilakukan mirip dengan cara Short Term Fourier Transform (STFT), dalam arti
sinyal dikalikan dengan fungsi, {/it the wavelet}, fungsi window mirip dengan
STFT, dan transformasi dihitung secara terpisah untuk beberapa segmen yang
berbeda dari sinyal. Namun ada 2 perbedaan utama antara STFT dan CWT :
1. Fourier transforms dari beberapa signal window tidak diambil. Karena titik
puncaknya akan terlihat tidak sesuai, frekuensi yang negative tidak dihitung.
2. Lebar dari window berubah terhadap transformasi yang dihitung untuk setiap
komponen spektral tunggal, salah satu karakteristik yang paling penting dari
transformasi wavelet.
Transformasi Wavelet Continuous didefinisikan sebagai persamaan berikut :
ᴪ( , ) = ᴪᴪ( , ) = | |
(t)ᴪ∗ ( ) dt (2.3)
Keterangan:
CWT = koofisien
ᴪ = psi (fungsi transformasi)
s = Scala
t = time
= tau
x = data
* = konjugasi
13
Seperti yang terlihat dalam persamaan di atas perubahan sinyal merupakan
dari dua variable tau dan s, translasi dan scale parameter. Psi(t) adalah fungsi
transformasi, dan untuk memanggil mother wavelet. Istilah wavelet adalah sebuah
gelombang kecil mengacu pada kondisi, bahwa ini (window) fungsi yang
panjangnya terbatas. Acuan gelombang untuk kondisi bahwa fungsi ini berosilasi.
Mother mengartikan itu bahwa fungsi yang berbeda dari bantuan yang digunakan
dalam proses transformasi yang berasal dari satu fungsi utama, atau mother wavelet.
Dengan kata lain, mother wavelet adalah sebagai prototype dari pembangkit fungsi
window yang lain.
Traslasi digunakan sama seperti yang digunakan dalam STFT. hal itu
berkaitan dengan lokasi window, yang dirubah melalui sinyal. Namun, tidak
memiliki parameter frekuensi, seperti yang kita miliki sebelumnya untuk STFT
tersebut. Sebaliknya, kita memiliki parameter skala yang didefinisikan sebagai
frekuensi. Frekuensi istilah dicadangkan untuk STFT tersebut.
Continuous Wavelet Transform (CWT) telah dikembangkan sebagai suatu
metode untuk memperoleh informasi yang simultan, resolusi waktu dan frekuensi
yang tinggi mengenai suatu sinyal. Feature extractor ini menggunakan suatu daerah
window yang berukuran variabel. Karena wavelet dapat membesar atau menjadi
padat, fitur-fitur yang berbeda dari sinyal akan diekstrak. Ketika wavelet yang
sempit mengekstrak komponen-komponen frekuensi tinggi, maka wavelet yang
membentang mengambil komponen-komponen berfrekuensi rendah dari sinyal.
CWT dihitung melalui konvolusi sinyal s(t) dengan sebuah modulasi
window pada setiap waktu dengan setiap skala yang diinginkan. Modulasi window
14
yang mempunyai skala fleksibel inilah yang disebut dengan mother wavelet atau
fungsi dasar wavelet.
2.8 Mother Wavelet
Wavelet dapat dibentuk dari satu fungsi dikenal sebagi “mother wavelet”
dalam suatu interval berhingga. Daughter wavelet” Ψa,b (t) dibentuk oleh translasi
(b) dan skala (a).
(2.4)
Keterangan:
b = parameter translasi
a = parameter skala
= mother wavelet
|| a = normalisasi energi
2.9 Wavelet Biorthogonal
Wavelet Biorthogonal menggunakan dua wavelet satu untuk dekomposisi(di
sisi kiri) dan yang lainnya untuk rekonstruksi (di sebelah kanan sisi). Seperti pada
Gambar 2.4. Wavelet biorthogonal merupakan perluasan dari wavelet orthogonal.
Istilah ‘biorthogonal’ merujuk pada adanya 2 fungsi basis atau fungsi skala yang
orthogonal satu sama lain, tetapi masing-masing tidak membentuk set orthogonal.
Keuntungan menggunakan Biorthogonal Wavelet transform adalah penggunaan
kelas filter yang lebih luas. Adapun bentuk persamaan yang digunakan sebagai
filter adalah
)(||
1)(, a
bt
atba
15
∑ 2 ∑ 2 (2.5)
∑ ′ 2 0 ∑ 2 (2.6)
Dimana nilai h, h’adalah low-pass filter g, g’ merupakan high-pass filter.
(Napitupulu, 2012)
Gambar 2.4 Mother Wavelet Biorthogonal (Matlab)
2.10 Standar Deviasi
Standard deviasi digunakan untuk mengukur besar dari variasi atau
penyebaran dari rata-rata. Semakin rendah nilai suatu standard deviasi
mengindikasikan bahwa titik data cenderung sangat dekat dengan rata-rata (nilai
16
yang diharapkan), begitu juga ketika nilai standard deviasi tinggi mengindikasikan
bahwa jangkauan titik data yang tersebar sangat besar.
(2.7)
2.11 Energi
Energi berarti sesuatu memiliki kemampuan untuk menyebabkan
perubahan, energi biasanya digunakan untuk menggambarkan berapa banyak
potensi sistem yang harus berubah. Pada sinyal suara jantung, energi total di setiap
subband memberikan informasi yang berguna tentang lokasi artefak di sinyal, Total
energi digunakan bersama time varying energi untuk mendeteksi bagaian yang
mengandung derau dari sinyal PCG. Artefak merupakan variasi sinyal yang tidak
diinginkan karena sumber selain sumber sinyal yang diinginkan. Artefak ini
termasuk instrumen suara, suara dari suara tubuh, suara karena gerakan subjek dan
gerakan diafragma stetoskop. Subband yang rendah memiliki Energi normalisasi
yang besar dikarenakan mengandung suara jantung, sedangkan subband tinggi
memiliki Energi normalisasi yang kecil dikarenakan mengandung artefak. (Kumar,
2015)
Energi dekomposisi rerata di setiap sub-band EDi dihitung dengan persamanaan
(diasumsikan akan didekomposisi hingga level 10) :
EDi= ∑
, K= 1,2,……. Panjang Di (2.8)
i = 1,2,…. N=10
Energi dekomposisi rerata di setiap sub-band EA10 dihitung dengan persamanaan
(diasumsikan akan didekomposisi hingga level 10) :
17
EA10= ∑
, K= 1,2,…….Jumlah cuplik A10 (2.9)
Setelah itu energi dekomposisi rerata akan di normalisasi sehingga rentang
nilai grafik akan berada diantara range 0 dan 1.
ENj = ,
, j = 1,2,3….n (3.0)
ENj = Energi rerata normalisasi pada dekomposisi ke –j (j= 1,2,3…N=10)
EDi = Energi rerata sinyal detail ke- I (i= 1,2,3….N=10)
EA10= Energi rerata sinyal aproksimasi A10
18
BAB III
METODOLOGI PENELITIAN DAN PERANCANGAN SISTEM
3
3.1 Metode Penelitian
Metode penelitian yang digunakan meliputi studi kepustakaan dan
penelitian laboratorium. Studi kepustakaan dilakukan untuk mencari teori atau
informasi dari buku, jurnal dan artikel - artikel yang berkaitan dengan
permasalahan. Dari informasi studi kepustakaan yang diperoleh, maka dilakukan
pembuatan program pada Matlab untuk membantu melakukan analisis. Blok
diagram rancangan penelitian dapat dilihat pada Gambar 3.1.
Database PCG Signal
Denoising
Continuous Wavelet Transform (CWT)
Ekstraksi dan Identifikasi Sinyal Jantung S1 dan S2
Output :
1. Analisis energi maksimum sinyal sebagai sinyal waktu untuk mother wavelet Biorthogonal 6.8 dan beberapa variasi frekuensi sampling dari sinyal untuk menentukan parameter uji energi.
2. Analisis frekuensi sebagai fungsi waktu untuk mother wavelet Biorthogonal 6.8 dan beberapa variasi frekuensi sampling dari sinyal untuk menentukan parameter uji energi dan standar deviasi.
3. Analisis untuk menentukan posisi S1 dan S2 berdasarkan analisis frekuensi dan energi maksimum sebagai fungsi waktu.
Gambar 3.1 Diagram Blok Rancangan Penelitian
19
3.2 Database PCG Signal
Penelitian ini menggunakan data real yang didapat dari hasil penelitian
Anggi Citra Ekinasti pada tahun 2016 dengan menggunakan stethoscope digital dari
thinklabs one. Kondisi masing-masing subjek telah di uji melalui uji laboratorium
bahwa kondisi jantung subjek merupakan jantung normal. Data yang digunakan
pada penelitian ini sebanyak 3 subjek dan pengambilan data yang dilakukan pada
subjek dalam keadaan normal dan relax. Lama pengabilan datu untuk tiap subjek
adalah 5 detik dengan menggunakan tiga macam frekuensi sampling yaitu 8kHz,
44.1kHz dan 48kHz.
Untuk menampilkan sinyal suara jantung PCG dalam bentuk grafik. Dari
database ke Matlab dapat menggunakan function, cuplikan program yang dapat di
lihat pada Gambar 3.2
Gambar 3.2 Cuplikan Program Membaca File .wav
Pada Matlab terdapat function yang berfungsi untuk membaca data sinyal
suara jantung menjadi tampilan grafik yaitu ‘audioread’. Data adalah nama
variable yang menyimpan data sinyal asli, Fs adalah frekuensi sampling dan
‘1_3_8.wav’ adalah file sinyal suara jantung yang akan dibuka.
3.3 Denoising
Denosing digunakan untuk menghapus data sinyal yang tidak diperlukan
dengan membandingkan nilai threshold dan setiap koefisien. Metode denoising
yang digunakan pada penelitian ini adalah soft thresholding, dimana metode ini
20
akan membuat nilai yang berada antara threshold - T < X < T perlahan akan
menjadi 0, sedangkan nilai yang lebih dari T telah diubah untuk mendekati axis X.
Pada penelitian ini yang dilakukan mencari nilai threshold dengan
karakteristik sinyal input dengan penerapan thresholding rules terdapat 2 metode
yaitu global thresholding dan level dependent thresholding. Pencarian nilai dengan
threshold dengan global thresholding menggunakan karakteristik dari Panjang data
sinyal input. Sedangkan level dependent thresholding mencari nilai threshold
berdasarkan level resolusi / level dekomposisi. Pada penelitian ini level resolusi
yang digunakan adalah 7 level dikarenakan sinyal yang diolah memiliki frekuensi
sampling sebesar 8kHz. Pada penelitian ini penggunaan metode level dependent
thresholding yang menggunakan function wden pada matlab. Berikut cuplikan
program proses denoising dapat dilihat pada Gambar 3.3.
Gambar 3.3 Proses Denoising Sinyal PCG
wden adalah function level dependent thresholding, data adalah sinyal asli,
sqtwolog digunakan untuk threshold universal, s adalah soft thresholding, sln
digunakan untuk rescaling menggunakan estimasi tingkat noise berdasarkan
koefisien tingkat awal, level untuk tingkatan level, w adalah mother wavelet yang
digunakan.
Pada proses denoising ini input yang dibutuhkan adalah sinyal PCG,
denoising ini dilakukan untuk menghapus data sinyal yang tidak diperlukan, yang
terekam pada saat proses perekaman sinyal jantung seperti suara gesekan stetoskop
21
pada saat perekaman sinyal. Hasil dari proses denoising merupakan sinyal bersih
yang akan di visualisasikan berupa grafik bar, seperti pada Gambar 3.4 dibawah ini.
Gambar 3.4 Plot Sinyal Asli dan Sinyal Bersih Setelah Proses Denoising
Hasil dari denoising yaitu sinyal PCG yang telah dihilangkan noisenya. Jika
dilihat pada Gambar 3.4 terlihat tidak ada perubahan signifikan antara sinyal asli
dan sinyal yang sudah di denoising ini disebabkan karena sinyal yang diambil
dengan menggunakan Digital Sthetoscope dari thinkslabone (Ekinasti, 2016)
merupakan sinyal yang telah mengalami pemfilteran noise. Akan tetapi proses
denoosing dalam penelitian tetap dilakukan untuk melakukan denoising terhadap
sinyal PCG lain yang mungkin tidak memiliki filter noise.
22
Gambar 3.5 Tampilan Data dari Sinyal Asli dan Sinyal Denoising
Dari Gambar 3.5 di atas terlihat ada perubahan nilai yang terjadi pada data
tersebut. Data tersebut merupakan data yang didapat dari sinyal asli dan sinyal yang
sudah di denoising. Hal ini membuktikan bahwa sinyal yang digunakan pada
penelitian ini mengandung noise.
3.4 Continuous Wavelet Transform
Sinyal akan di ekstrak menggunakan metode Continuous Wavelet
Transform. Penelitian ini melibatkan beberapa input yaitu sinyal PCG dari setiap
subjek, scale dan mother wavelet. Sinyal PCG akan diekstrak dengan nilai skala
dan mother wavelet yang sudah ditentukan, contoh jika sinyal asli memilki
frekuensi sampling 8kHz maka akan diberi nilai skala 1:128.
Analisis transformasi kontinu wavelet dilakukan dengan mengekstrak
sinyal PCG menggunakan Matlab, untuk mengekstrak sinyal maka digunakan
fungsi cwt yang mengandung persamaan (2.3). Cuplikan program proses
Continuous Wavelet Transform dapat dilihat pada Gambar 3.6.
23
Gambar 3.6 Cuplikan Program Menggunakan Function CWT
Fungsi cwt(x,scales,wname,’plot’) pada Matlab memiliki
parameter input x yaitu untuk sinyal masukan atau sinyal PCG yang akan di analisis,
scales nilai skala yang digunakan dan wname untuk Mother wavelet yang akan
digunakan.
3.5 Ekstraksi dan Identifikasi Sinyal Jantung S1 dan S2
Sinyal suara yang akan diolah terlebih dahulu di normalisasikan, pada
penelitian ini normalisasi sinyal PCG dilakukan setelah proses denoising, berikut
ini cuplikan program untuk menormalisasi sinyal PCG pada Matlab yang dapat
dilihat pada Gambar 3.7.
Gambar 3.7 Cuplikan Program Untuk Normalisasi Sinyal PCG
Setelah sinyal di normalisasi proses selanjutnya adalah mengekstraksi
sinyal PCG dengan metode CWT. Pada tahap ini CWT menghasilkan nilai – nilai
koefisien wavelet C yang merupakan distribusi energi dalam bidang waktu.-
frekuensi. Konsentrasi energi terhadap bidang waktu – frekuensi untuk suara
jantung menjadi perhatian khusus pada penelitian ini. Adapun flowchart program
yang digunakan untuk menghitung waktu – frekuensi akan di jelaskan pada Gambar
3.8.
24
1. Start program mulai di jalankan
2. Inisialisasi input yang akan digunakan.
3. Input data sinyal PCG
4. Proses denoising pada sinyal PCG
5. Proses normalisasi sinyal PCG
Start
Inisialisasi
Data PCG
Denoising
Pengolahan Data dengan CWT
Konversi Skala Frekuensi
Energi Maksimum dan Frekuensi pada Waktu Tertentu
Stop
Gambar 3.8 Flowchart Menghitung Waktu dan Frekuensi
Identifikasi interval (posisi) S1 dan S2
Normalisasi
25
6. Melakukan proses pehitungan dengan metode Continuous Wavelet Transform,
menentukan nilai skala yang akan digunakan di mana pada frekuensi sampling
8kHz menggunakan skala 1:128, pada frekuensi sampling 44,1kHz
menggunakan skala 1:512 dan pada frekuensi sampling 48kHz menggunakan
sakal 1:1024. Pemilihan skala tersebut disesuaikan dengan pemilihan frekuensi
sampling dari masing – masing sinyal dengan tujuan untuk merangkum seluruh
frekuensi yang dikandung oleh masing – masing sinyal tersebut.
7. Mengkonversi skala frekuensi, Nilai skala ini berbanding terbalik dengan
dengan nilai frekuensi. Dimana skala yang lebih besar menunjukkan frekuensi
yang rendah dan skala yang lebih kecil menunjukkan frekuensi yang tinggi.
Berikut ini cuplikan program konversi scales to frequency pada matlab, dapat
dilihat pada Gambar 3.9.
Gambar 3.9 Konversi Scales to Frequency
Fungsi Frq = scal2frq(scales,wname,1/Fs); pada matlab
memiliki parameter input scale yang sudah ditentukan, wname adalah
mother wavelet yang akan digunakan dan 1/Fs adalah frekuensi sampling
pada sinyal.
8. Hasil nilai energi maksimum dan frekuensi pada waktu tertentu berupa grafik,
dimana sumbu x adalah indeks dari skala (frekuensi) dan sumbu y adalah
indeks dari waktu. Spektrum warna adalah magnitude normalisasi dari
26
koefisien wavelet C. Dimana magnitudo yang maksimum ditunjukkan dengan
warna merah dibandingkan dengan magnitude yang kecil.
9. Mengidentifikasi interval waktu posisi S1 dan S2 setelah mengetahui nilai
koefisien maksimum, energi maksimum dan frekuensi maka dilakukan
identifikasi waktu posisi sinyal S1 dan S2.
3.5.1 Analisis Energi Maksimum Sinyal
Pada penelitian ini digunakan parameter energi maksimum, skala dan
waktu. Hal ini karena pada pengolahan sinyal PCG dengan menggunakan metode
CWT menghasilkan beberapa informasi sinyal yang berkaitan dengan energi
maksimum, skala dan waktu.
Setelah dilakukan proses ekstraksi dengan menggunakan metode CWT
yang menghasilkan nilai – nilai koefisien, maka akan dilakukan pemilihan nilai
koefisien maksimum pada sinyal yang sudah di ekstrak tadi. Setelah melakukan
pemilihan nilai koefisien maksimum maka dilakukan pemilihan energi maksimum
dan skala berdasarkan letak koefisien maksimum yang telah dipilih.
3.5.2 Analisis Frekuensi Sebagai Fungsi Waktu
Pada analisis frekuensi sebagai waktu ini sebelumnya akan dilakukan
konversi scales to frequency yang akan memberikan informasi tentang nilai
frekuensi. Setelah melakukan pemilihan nilai koefisien maksimum, energi
maksimum dan skala, kemuadian akan ditentukan nilai frekuensi.
27
3.5.3 Analisis untuk Menentukan Posisi S1 dan S2 Berdasarkan Analisis
Frekuensi dan Energi Maksimum Sebagai Fungsi Waktu
Sinyal yang telah diketahui energi maksimum dan frekuensi yang ada pada
sinyal suara jantung, maka proses selanjutnya adalah menganalisis posisi S1 dan
S2. Posisi yang di analisis merupakan interval waktu antara S1 ke S2, S1 awal ke
S1 berikutnya, S2 awal ke S2 berikutnya dan S2 ke S1.
28
BAB IV
HASIL DAN PEMBAHASAN
4
4.1 Kebutuhan Sistem
Sebelum melakukan ekstraksi dan identifikasi sinyal suara jantung
dibutuhkan perangkat lunak yang dapat menunjang penelitian. Perangkat keras dan
lunak yang akan digunakan pada penelitian ini dapat dilihat pada Tabel 4.1 dan
Tabel 4.2.
Tabel 4.1 Kebutuhan Perangkat Keras
Perangkat Keras Spesifikasi
Prosesor Intel Dual-Core
Memori 2 Gb
Sistem Operasi Windows 10
Tabel 4.2 Kebutuhan Perangkat Lunak
Perangkat Lunak Uraian
Matlab R2015a Aplikasi yang digunakan untuk mengolah sinyal suara
jantung .
29
4.2 Pengujian Program
Pengujian program untuk menghitung nilai koefisien terbesar, energi
maximum pada frekuensi dan waktu tertentu untuk menentukan posisi S1 dan S2
pada sinyal suara jantung normal.
4.3 Tujuan
Pengujian ini dilakukan untuk mengetahui yang telah dibuat sesuai dengan
dasar teori rumus yang ada.
4.4 Prosedur Pengujian Penelitian
Prosedur pengujian Continuous Wavelet Transform :
a. Memilih nilai koefisien terbesar, dari sini akan mendapat energi maksimum
pada frekuensi dan waktu tertentu
b. Menentukan interval waktu S1 ke S1, S1 ke S2, S2 ke S1, dan S2 ke S2
berdasakan hasil perhitungan Time – Frequency.
4.5 Hasil Pengujian Sinyal PCG dan Sinyal Hasil Denoising
Pada penelitian ini dilakukan pengujian data sebanyak 9 kali. Data diambil
dari database dengan format file yang berupa .wav dan menggunakan beberapa
frekuensi sampling yaitu 8kHz, 44.1kHz dan 48kHz untuk setiap subjek. Untuk
setiap subjek dan setiap frekuensi sampling diamati selama 5 detik. Pada proses
Denoising menggunkan soft thresholding dengan threshold rule level dependent
thresholding, serta menggunakan Mother Wavelet Biorthogonal 6.8. Adapun hasil
pengambilan data dan hasil proses Denoising yang dapat dilihat sebagai berikut :
30
1. Data dari Subjek Satu pada Frekuensi Sampling 8kHz
Gambar 4.1 Plot Sinyal Asli dan Sinyal Bersih (Hasil Denoising) untuk Subjek Satu pada Frekuensi Sampling 8kHz
2. Data dari Subjek Satu pada Frekuensi Sampling 44,1kHz
Gambar 4.2 Plot Sinyal Asli dan Sinyal Bersih (Hasil Denoising) untuk Subjek Satu pada Frekuensi Sampling 44,1kHz
31
3. Data dari Subjek Satu pada Frekuensi Sampling 48kHz
Gambar 4.3 Plot Sinyal Asli dan Sinyal Bersih (Hasil Denoising) untuk Subjek Satu pada Frekuensi Sampling 48kHz
4. Data dari Subjek Dua pada Frekuensi Sampling 8kHz
Gambar 4.4 Plot Sinyal Asli dan Sinyal Bersih (Hasil Denoising) untuk Subjek Dua Frekuensi Sampling 8kHz
32
5. Data dari Subjek Dua pada Frekuensi Sampling 44.1kHz
Gambar 4.5 Plot Sinyal Asli dan Sinyal Bersih (Hasil Denoising) untuk Subjek Dua pada Frekuensi Sampling 44.1kHz
6. Data dari Subjek Dua pada Frekuensi Sampling 48kHz
Gambar 4.6 Plot Sinyal Asli dan Sinyal Bersih (Hasil Denoising) untuk Subjek Dua pada Frekuensi Sampling 48kHz
33
7. Data dari Subjek Tiga pada Frekuensi Sampling 8kHz
Gambar 4.7 Plot Sinyal Asli dan Sinyal Bersih (Hasil Denoising) untuk Subjek Tiga pada Frekuensi Sampling 8kHz
8. Data dari Subjek Tiga pada Frekuensi Sampling 44.1kHz
Gambar 4.8 Plot Sinyal Asli dan Sinyal Bersih (Hasil Denoising) untuk Subjek Tiga pada Frekuensi Sampling 44,1kHz
34
9. Data dari Subjek Tiga pada Frekuensi Sampling 48kHz
Gambar 4.9 Plot Sinyal Asli dan Sinyal Bersih (Hasil Denoising) untuk Subjek Tiga pada Frekuensi Sampling 48kHz
4.6 Hasil Pengujian Continuous Wavelet Transform
Dari hasil pengujian ini akan menghasilkan beberapa informasi yaitu nilai
koefisien maksimum, energi maksimum dan frekuensi pada waktu tertentu. Berikut
ini hasil dari perhitungan Continuous Wavelet Transform untuk mendapatkan nilai
energi maksimum dan frekuensi pada waktu tertentu.
1. Pengujian pada Frekuensi Sampling 8kHz
Gambar 4.10 Hasil Pengujian Ekstraksi Ciri dan Identifikasi dengan Menggunakan Continuous Wavelet Transform pada Frekuensi Sampling 8kHz
35
Pada Gambar 4.10 merupakan hasil dari perhitungan pada frekuensi
sampling 8kHz dengan menggunakan Continuous Wavelet Transform. Dari gambar
ini menunjukan indeks dari frekuensi (skala) dan indeks dari waktu. Sementara itu
spektrum warna adalah magnitudo dari koifsien wavelet C. Dimana magnitudo yang
maksimum ditunjukkan dengan warna merah.
2. Pengujian pada Frekuensi Sampling 44.1 kHz
Gambar 4.11 Hasil Pengujian Ekstraksi Ciri dan Identifikasi dengan Menggunakan Continuous Wavelet Transform pada Frekuensi Sampling 44,1kHz
Pada Gambar 4.11 merupakan hasil dari perhitungan pada frekuensi
sampling 44,1kHz dengan menggunakan Continuous Wavelet Transform. Dari
gambar ini menunjukan indeks dari frekuensi (skala) dan indeks dari waktu.
Sementara itu spektrum warna adalah magnitudo dari koifsien wavelet C. Dimana
magnitudo yang maksimum ditunjukkan dengan warna merah.
36
3. Pengujian pada Frekuensi Sampling 48 kHz
Gambar 4.12 Hasil Pengujian Ekstraksi Ciri dan Identifikasi dengan Menggunakan Continuous Wavelet Transform pada Frekuensi Sampling 48kHz
Pada Gambar 4.12 merupakan hasil dari perhitungan pada frekuensi
sampling 48kHz dengan menggunakan Continuous Wavelet Transform. Dari
gambar ini menunjukan indeks dari frekuensi (skala) dan indeks dari waktu.
Sementara itu spektrum warna adalah magnitudo dari koifsien wavelet C. Dimana
magnitudo yang maksimum ditunjukkan dengan warna merah.
4.7 Hasil Pengujian Time – Frequency untuk Identifikasi Sinyal S1 dan S2
terhadap Nilai Energi Maksimum, Frekuensi dan Waktu tertentu,
dan Interval Waktu antara Sinyal S1 dan S2
Hasil pengujian Time – Frequency untuk mengidentifikasi sinyal S1 dan S2
beserta intervalnya di dapatkan dari waktu puncak dari Continuous Wavelet
Transform pada masing-masing sinyal S1 dan S2, interval waktu S1 ke S2, S2 ke
37
S1, S1 ke S1, dan S2 ke S2 dapat dilihat pada Tabel 4.3 untuk frekuesi sampling
8kHz, Tabel 4.4 untuk frekuensi sampling 44.1 kHz, Tabel 4.5 untuk frekuensi
48kHz.
Tabel 4.3 Hasil Pengujian Interval Sinyal S1 dan S2 pada Frekuensi Sampling
8kHz untuk Identifikasi S1 dan S2 Terhadap Nilai Energi Maksimum, Frekuensi, Waktu Terjadinya dan Interval Waktu